feat_image_vector — MULTIVAR `features` op

• Datenarten: images → table

• Aufruf: import fullseye as fs; fs.ledger.feat_image_vector(images=None, features=('mean', 'std', 'p01', 'p99', 'rms_contrast', 'michelson_contrast', 'grad_energy', 'laplacian_var'), data_range=None, unit='DN', roi=None) -> 'dict' (die Implementierung direkt: import multivar; multivar.feat_image_vector(images=None, features=('mean', 'std', 'p01', 'p99', 'rms_contrast', 'michelson_contrast', 'grad_energy', 'laplacian_var'), data_range=None, unit='DN', roi=None) -> 'dict'; aus dem Register: opsmultivar.get("feat_image_vector"))

Verwendung

Bilder -> Merkmalstabelle {"matrix" (N, F), "names", "units", ...}, eine Zeile pro Bild.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

The bridge from pictures to the multivariate ops: each image becomes a row of named numbers with units, ready for mv_pca / mv_pls / rsm_fit. Features (see FEATURES): mean, std, p01, p50, p99, rms_contrast, michelson_contrast, grad_energy, laplacian_var need no range; saturated_fraction, dark_fraction, entropy_bits need data_range=(lo, hi) — the range of the *sensor or format* (e.g. (0, 4095) for 12-bit), which the data cannot tell: the brightest pixel of a dim image is not the white level. It is therefore required, never inferred, and pixels outside it are refused (the range given is then wrong).

unit names the grey-level unit ("DN" by default) used in the unit strings. roi=(r0, r1, c0, c1) restricts every feature to that window (same for all images).

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie design_of_experiments

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• multivar_inspection_tour — py -3.11 examples/multivar_inspection_tour.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

—

Gleiche Kategorie (`features`)

—

*Provenance: multivar.py — MULTIVAR Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

feat_image_vector — MULTIVAR features op